MétaCan
Menu
Retour à la cohorte
Enregistrement W3032548190 · doi:10.5206/tgar.v1i1.7971

Canada, the Congo, and Why Mining Is Good for Both Us

2020· article· en· W3032548190 sur OpenAlexvenueaboutno aff
Owen Stimpson

Notice bibliographique

RevueThe General Assembly Review · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueNatural Resources and Economic Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésReactionaryShareholderBusinessOrder (exchange)DemocracyInstitutionMineral explorationCapital (architecture)Economic growthEconomic policyPolitical scienceFinanceEconomicsCorporate governancePoliticsGeographyLaw

Résumé

récupéré en direct d'OpenAlex

Canada is one of the world’s leading mining powerhouses, but in order to stay that way it needs access to new mineral reserves - and the Democratic Republic of Congo (DRC) has trillions worth. Due to the scale of the DRC's mineral deposits, Canadian mining companies have sought to explore and develop assets in the Central African nation in the past. These Canadian firms, however, have been the subject to corrupt governments and other issues. In the past, Canadian governments have sought to protect Canadian mining assets in the DRC only when they came under attack. That is to say, Canada's approach to foreign policy in the DRC has been reactionary. This paper argues that Canada ought to take a proactive approach to foreign policy in the DRC by supporting institution building and economic development which will, ultimately, benefit both Canadians and the Congolese. Canadian mining firms will be able to develop new assets, increasing profits for Canadian workers and shareholders. On the other hand, the Congolese will benefit from stronger institutions, economic development, and the ability for their country to effectively allocate the capital generated from a robust mining sector.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,046
Score d'incertitude au seuil0,219

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,005
Études des sciences et des technologies0,0030,003
Communication savante0,0050,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,053
Tête enseignante GPT0,231
Écart entre enseignants0,178 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe General Assembly ReviewMême sujetNatural Resources and Economic DevelopmentTravaux en français237 207